1 # 强大的Manage
2 # •以上实现的数据共享的方式只有两种结构Value和Array。
3 # Python中提供了强大的Manage专门用来做数据共享的，其支持的类型非常多，包括，Value， Array，list，dict， Queue, Lock等。
4
5
6
7 from multiprocessing import Process, Manager
8 def func(dt, lt):
9 for i in range(10):
10 key = 'arg' + str(i)
11 dt[key] = i * i
12 lt += range(11, 16)
13 if __name__ == "__main__":
14 manager = Manager()
15 dt = manager.dict()
16 lt = manager.list()
17 p = Process(target=func, args=(dt, lt))
18 p.start()
19 p.join()
20 print(dt)
21 print(lt)
22 #
23 # 进程池
24 # Pool可以提供指定数量的进程，供用户调用，当有新的请求提交到pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；
25 # 但如果池中的进程数已经达到规定最大值，那么该请求就会等待，直到池中有进程结束，才会创建新的进程。
26 # 下面我们先来看一个进程池非阻塞的例子：
27
28
29
30 import multiprocessing
31 import time
32 def fun(msg):
33 print("######start###### {0}".format(msg))
34 time.sleep(3)
35 print("######end###### {0}".format(msg))
36 if __name__ == "__main__":
37 pool = multiprocessing.Pool(processes=3)
38 for i in xrange(1, 6):
39 msg = "hello {0}".format(i)
40 pool.apply_async(fun, (msg,))
41 print("##########start main#########")
42 pool.close()
43 pool.join()
44 #调用join之前，先调用close函数，否则会出错。执行完close后不会有新的进程加入到pool,join函数等待所有子进程结束
45 print("##########end main#########")
46
47 # 阻塞和非阻塞的区别：
48 # pool.apply_async
49 # 非阻塞，定义的进程池进程最大数可以同时执行
50 # pool.apply
51 # 一个进程结束，释放回进程池，下一个进程才可以开始
